我有一个数据集，其中包含宠物信息（品种、颜色、年龄、一些文字描述）和该宠物的图像。一只宠物可以拥有比其他宠物更多的图像。

我想以某种方式组合这些图像以生成单个 1x255 特征，以便我可以将其与非图像特征合并并用于我的模型。

我能想到的一种方法是将宠物的每张图像通过预训练模型获得 1x255 输出，然后对所有输出进行平均以获得该宠物的单个特征。但我还没有看到任何论文/人这样做来支持我的直觉......

我是数据科学的新手，所以如果您有任何想法，请告诉我。提前致谢。